農機自動駕駛系統研究進展與行業競爭環境分析*

楊濤，李曉曉

(1.成都農業科技職業學院機電信息學院，成都市，611130；2.成都大學機械工程學院，成都市，610106)

0 引言

隨著我國青壯年勞動力就業觀念的轉變，逐步出現了農村勞動力嚴重短缺的問題以及“80后不想種地、90后不會種地、00后不問種地”的現象。因此，未來“誰來種地？如何種地？”就成為全球亟待解決的社會問題。鄉村振興戰略實施以來，在“互聯網+農業”的背景下，農機自動化、智能化程度得到大幅度提升。融合全球導航衛星系統(Global Navigation Satellite System，GNSS)、人工智能、物聯網、機器學習、虛擬現實、增強現實等先進信息技術，賦予農機自主作業能力以順利完成農場生產、管理等作業任務，進而構建起全過程、全天候、全空間的無人生產模式和技術體系正是從根本上消除這一問題的有效途徑[1-2]。2017年，英國率先創建了全球第一家無人農場，運用自動駕駛聯合收割機完成小麥自動收割。接著，美國、日本、韓國、德國等發達國家陸續開展無人設施養殖、無人溫室、無人大田等以無人化為核心的新型農業生產模式[3-4]。無人生產的本質是以智能裝備替代勞動者作業，解放了農業勞動力并有效促進農民增收[2]。加快“機器換人”步伐，推進無人生產模式和技術體系，是符合中國經濟社會現實需求，能夠有效促進中國農業朝著以提高農業資源利用率、保護農業生態環境為核心的精準農業方向發展[5]。

農機自動駕駛系統是無人農場的關鍵技術之一，也是精準農業降本增效的重要技術支撐[6]。長期以來，高級駕駛輔助系統(Advanced Driving Assistance System，ADAS)、自動駕駛等新興信息技術都是農機智能化研究的重要突破口，圍繞著實現“一人多機、多機協同”的生產模式，在溫室裝備[7]、拖拉機[8-9]、農業機器人、水稻直播機、果園機械[10-11]等現代農業生產裝備中均有一定程度的應用。本文著重闡述農機自動駕駛系統的構成、國內外研究進展、存在的主要缺陷以及全球農機自動駕駛產業市場競爭環境，指出中國農機自動駕駛產業的發展困境與解決方案，進一步促進智能農業裝備向著以無人化為核心的新型智慧農業方向發展，進而，重塑農業生產模式。同時，對高校開展“專創融合”，培養“愛農村、懂農機、有文化、善經營、會管理”的“新農人”以及大學生創新創業有一定的借鑒意義。

1 農機自動駕駛技術

1.1 技術原理與研究進展

農機自動駕駛是指農機能夠通過自身的各種傳感器實現外部環境的感知與自身空間位置的測量，自主規劃行走路線并主動避讓障礙物的過程，具有定位、路徑規劃、決策控制、作業監測等功能，其核心內容在于環境感知、決策與規劃、控制與執行3個環節，見圖1。

圖1 自動駕駛系統核心內容框圖Fig.1 Core content diagram of autopilot system

良好的環境感知能力是自動駕駛的前提，準確的決策與規劃是車輛實現自動駕駛的基礎，精準的控制與執行是裝備作業精度的重要保證[12]。農機自動駕駛系統分為硬件基礎與底層系統，硬件基礎指的是芯片、電動方向盤、液壓閥、各類傳感器、顯示器等硬件設施；底層系統指的是衛星定位、組合導航、電液控制、電路控制、路徑規劃等算法[13]。

1.1.1 硬件基礎

農機自動駕駛系統根據控制方式的不同將其分為電動方向盤式與液壓式[14]。電動方向盤式農機自動駕駛系統由ADAS或農業輔助導航系統迭代升級發展而來，通常應用于大型農場現有農機的升級改造[15]。液壓式系統則是依據控制器信號來調節農業裝備轉向機構中液壓油的流量與流向，進而實現車輛轉向。液壓式自動駕駛系統對現有農機改造工藝相對較復雜，通常由農機生產企業對其進行預裝。由此，根據系統的裝配方式的不同形成了前裝與后裝，前裝是指在農機出廠前由廠家進行預裝并通過相關檢測與測試保障農機與自動駕駛系統的匹配度和可靠性，強化農機的安全性；后裝是指在現有農機上進行加裝，賦能農機自動駕駛，但與農機的匹配性不高，安全性能較低。也就是說，前裝在可靠性、安全性等方面有較大的優勢并能夠依托農機生產企業為用戶提供及時且行之有效的農機技術服務。

1.1.2 底層系統

1)環境感知。環境感知是自動駕駛系統“感官”，農機只有在清楚地掌握周圍環境信息與自身狀態信息(位置、姿態、車輪轉角、航向、速度等)時，才能夠實現自動駕駛功能。農機環境感知主要有兩種技術路線，一種是基于地理空間絕對位置測量的GNSS導航方法；另一種是基于多傳感器(攝像機、激光雷達、超聲波、紅外相機、RGB-D相機等)融合的測量相對位置的導航方法[16]。隨著GNSS定位技術向民用領域的開放，尤其是中國北斗導航衛星系統(BeiDou Navigation Satellite System，BDS)完成了組網，加快了在農機自動駕駛產業中的應用。并且，利用載波相位差分技術(Real-Time Kinematic，RTK)實時動態定位精度已經小于2.5 cm，RTK-BDS、RTK-GPS在開闊的農業場景得到了推廣應用，促進了農機自動導航技術的發展。同時，慣性測量單元(Inertial Measurement Unit，IMU)利用陀螺儀和加速度計檢測車輛姿態角和加速度，在短時間內能夠提供較為精準的位姿與航向信息?；贗MU的慣性導航系統(Inertial Navigation System，INS)逐步發展成為了與GNSS融合以校正因地形坑洼不平、土質硬度不均引起的誤差，從而保證較高精度的組合導航方法。董振振[17]以BDS/INS兩者間位置、速度差值為模型，提出蜂群算法優化BP神經網絡輔助卡爾曼濾波算法組合導航，彌補了農機在干擾環境下BDS失調、INS誤差大等不足；Tang等[18]基于BDS的PVT(Position、Velocity、Time)信息設計了差分自適應和卡爾曼濾波法相結合的算法，使得系統絕對誤差為5.2 cm。

另外，運用機器視覺(Machine Vision，MV)技術來模擬人類“眼睛”視覺功能的農機視覺導航系統，也有較為廣泛的應用。視覺導航系統借助攝像機獲取周圍世界的圖像信息，再利用圖像處理、深度學習等技術識別、檢測、測量圖像中參考目標以提取導航基準數據，進而得到農機位姿與航向信息[19]。并且，在單目視覺的基礎上逐步發展出基于雙目/多目的立體視覺以及基于RGB-D深度相機的3D視覺系統，其特點在于低成本、信息豐富等[20]。但也存在嵌入式系統硬件設備計算能力不足、存儲空間不足、核心算法陷入發展瓶頸等缺陷[21]。由此，融合多種傳感器信息以彌補自身缺陷的多源信息融合導航系統提高了系統的魯棒性與準確性，得到了長足的發展與應用。Adhikari S P等[22]運用攝像機獲取水田場景圖像，再基于深度神經網絡的語義圖形檢測水田作物導航基準線，構建了水田場景視覺導航系統，實現田間自主除草；吳叢磊[23]針對果園環境設計融合了雷達、GNSS、INS三類信息源的定位感知系統，大幅提升適應果園場景的能力。

2)決策與規劃。決策規劃是自動駕駛系統的“大腦”，是保證農機高質量、高品質、高效率作業的關鍵，由導航控制器根據農機的位置、姿態、目標路徑、周圍環境等信息，結合自身傳感器對動態環境信息的感知，在滿足相關農藝規范的前提下，按照某種策略優化作業時間、轉彎次數、能耗等參數以尋找出合理的行走路線并高效完成作業任務[24]。通常根據系統掌握的環境信息的程度可將路徑規劃分為全局路徑規劃與局部路徑規劃，前者強調的是尋求最優解，后者則注重實時性與安全性以提高避障能力，在實際作業中要求作業路徑高效、安全、近似全局最優解[4]。此外，根據作業區域是否已知又可將路徑規劃算法分為傳統經典方法與啟發類方法，經典算法典型代表有圖搜索法、柵格法、單元分解法、人工勢場法等；啟發類算法則有蟻群算法、模擬退火算法、神經網絡算法、遺傳算法等[25]。劉洋成等[25]對比了各類算法的優勢與局限性，提出路徑規劃算法將向著多機協同、動態路徑規劃、多算法結合以及優化機械轉向的路線發展；奚小波等[26]運用三階Bezier曲線優化法，通過鏈式控制理論建立農機運動線性控制模型，使得農機直線行駛與曲線避障精度均得到大幅提高；劉宇峰等[27]參考左右雙向避障策略提出雙/多障礙去避障算法，在實現前一個障礙物避障動作后，再次調用該算法實現下一個避障動作，經測試，該方法在路徑跟蹤穩定性、累計誤差、路況適應性等方面均表現出較大的優勢。

另外，隨著土地宜機化改造進程的加快與農業集約化、產業化、規?；潭炔粩嗵嵘约熬珳兽r業對自動駕駛作業要求的進一步提高，單臺農機難以適應整片區域的作業任務，多農機聯合作業的機群協同作業模式勢必會成為農機自動駕駛領域研究的熱點。機群協同作業能夠在多任務、多農機的農田環境中合理地分配每臺農機的作業任務，農機本身又能根據分配的任務尋找一條最優的作業路徑，彌補了單臺農機難以在短時間內獨自完成整片區域作業任務的不足。在機群作業過程中，每臺農機都需要避開正在作業的其他農機與土地中的障礙物，還要保證作業效率。為滿足復雜農田作業環境下的機群協同作業路徑規劃，姚竟發等[28]提出了聯合收割機多機無沖突協同作業路徑優化算法，在矩形、梯形農田測試中表現良好，與遺傳算法相比效率提升了約30%；曹如月等[29-30]將多機協同作業路徑規劃分為任務分配與任務序列規劃兩個環節，再基于蟻群算法優化任務序列，將算法運行時間縮短到1 s以內，實現實時監測作業信息，并基于此開發出多機協同導航作業遠程管理平臺以實現農機遠程調度管理，解決了農田動態環境中多機協同導航作業的調度管理難的問題。

3)控制與執行。智能控制是自動駕駛系統的“神經”，也是農機實現智能化的核心，其顯著的特點在于多傳感器、多智能控制單元；執行單元則是自動駕駛系統的“四肢”，根據控制信號執行相應的動作進而迫使農機沿著預定的路徑行走[31]。圖2所示的是典型農機自動駕駛系統控制框圖，導航決策控制器根據農機當前位姿(位置、方向、速度等)與目標路徑等信息，按照給定的某種控制策略計算出農機轉向角度的期望值并傳遞給轉向控制器，進而，由轉向控制策略計算出對執行機構的控制量(如電壓、頻率等)，從而控制農機自主行駛[4]。PID控制、模糊控制、神經網絡控制等常見的控制策略在智能農機中有著廣泛的應用，但對于某些場景仍存在著難以應對的情況[32]?；诖耍瑖鴥韧鈱W者都嘗試將不同的控制方法結合，通過冗余的數據信息來彌補單一控制方法在某一方面的不足，進而提升控制效果。Lu W等[33]基于腦電圖(EEG)信號結合RNN-TL深度學習算法的拖拉機驅動控制方法，在虛擬環境中創建了完整的駕駛數據，然后將駕駛控制經驗傳遞給現實世界，控制精度達93.5%，低速(小于50 km/h)行駛時位移誤差小于6.7 cm；吳才聰等[34]采用分層控制思想將控制系統分為規劃層、控制層與執行層，在拖拉機掛載深松機進行深松作業時，自主行駛橫向偏差、作業速度、穩定作業發動機轉速、平均機具位置等多方面均優于有人駕駛。

圖2 導航決策控制原理圖Fig.2 Schematic diagram of navigation decision control

1.2 國內外研究進展

1925年美國陸軍電子工程師Francis P.Houdina借助無線電技術改裝了一輛Chandler汽車，實現無線電遙控行駛并將其取名為American Wonder，首次涉及了“自動駕駛”的概念。直到1992年，美國Trimble開發RTK系統并將其商業化應用，為GNSS在農業上的應用掃清了障礙[35]。隨后，基于GNSS技術的農機自動導航系統得到長足的發展，全球各國紛紛推出搭載自動導航技術的農業裝備。2016年，美國凱斯紐荷蘭工業集團發布了全球第一臺自動駕駛概念拖拉機，可在生產平臺的管理和調度下可實現全天候無人作業，標志著世界農機裝備發展到了以信息技術為核心的無人駕駛階段；2017年，英國Harper Adams University與Precision Decision公司合作的Hands Free Hectare項目，將傳統的收割機、拖拉機、探測車等農業裝備升級改造為自動駕駛的智能農機，在全過程無人工直接干預條件下首次實現了小麥的無人收割，邁出了全球“無人農場”的第一步[4]；2018年，日本Kubota、Iseki、Yanmar等大型農機企業基于“一人多機”的設想發布了帶有自動駕駛功能的拖拉機、水稻收獲機等農機裝備，以緩解人口老齡化，勞動力短缺的問題。

中國關于農機自動駕駛技術的研究始于2004年羅錫文團隊，經過十余年的研究，突破了速度線控、主從導航、路徑跟蹤、自動避障等10余項關鍵技術，研制出了播種機、旋耕機、收獲機、插秧機等無人駕駛農機，在水田場景自動導航方面居于國際領先水平[36-37]。國家農機裝備創新中心運用雙目視覺識別、毫米波雷達測量等信息技術先后發布了純電動無人駕駛拖拉機——超級拖拉機1號、5G+氫燃料電動拖拉機、無人駕駛輪邊電機拖拉機等先進無人駕駛機型，能夠在規定的區域內自主規劃作業路徑、主動避讓障礙物，基本完成了農機“電動化”“無人化”的探索。2020年，中國一拖研制的東方紅-LF2204無人駕駛拖拉機，在北大荒建三江—碧桂園全球首個超千公頃無人農場農機無人駕駛作業演示會上，實現了水稻、大豆、玉米田間生產全流程無人作業，標志著中國已經掌握從自動駕駛到無人駕駛的關鍵技術，在農機無人駕駛領域邁出了重要一步。

1.3 優勢與局限性

1.3.1 主要優勢

與汽車無人駕駛技術相比，農機自動駕駛技術具有低速度、高精度(±2.5 cm)等特點。農機自動駕駛系統集中使用了GNSS、AI、IOT、智能控制等先進信息技術，不僅能夠在分秒必爭的農忙時節，全天候不間斷作業，結束了“晨興理荒穢，帶月荷鋤歸”的歷史場景，還能夠大幅降低用戶勞動強度，將其從“足蒸暑土氣，背灼炎天光”的農事活動中解放出來。其核心優勢表現在提高作業精度與效率、提升用戶操作體驗、降低用戶勞動強度與單位面積投入成本等方面。北斗衛星已經完成組網，加上地面增強系統，為自動駕駛農機精準作業提供了基礎，在高速作業中也能將誤差控制在厘米級。相較于傳統有人駕駛大幅提高作業精度，使得土地利用率提升3%～5%，種、肥、藥消耗量下降了超過30%。另外，“無人化”的設計思想，不僅提升了用戶操作體驗、至少減少了用戶60%的勞動強度，將農業從業者從千年來一成不變的面朝黃土背朝天的農事活動中解放出來，還提升了作業效率。單臺無人駕駛拖拉機每日作業量達到16 hm2，行駛速度也能達到12 km/h，高精度作業和全地形適應能力使得自動駕駛相對人工駕駛在每日作業量與行駛速度分別提高33.3%、50%。同時，在紅外、GNSS、毫米波雷達等感知技術的輔助下，使得拖拉機即使在夜間“盲開”狀態也能夠保證作業效率。另外，在多機協同技術的支持下，使得多臺農業裝備協同作業成為可能。而且，自動駕駛農機憑借最優的路徑規劃減少了不必要的行程，有效降低油耗、環境污染的同時，也減少對土壤的壓實。

1.3.2 技術局限性與亟待突破的關鍵瓶頸

農機自動駕駛系統雖然已經表現出諸多的優勢，在促進農業生產轉型升級、塑造無人化生產模式等方面發揮著重要的作用，但也存在著應對復雜情況(雨天、霧天等)能力有限、高速場景適應性較差、核心元器件成本較高、交通事故責任不夠明晰等一系列問題，技術上也存在著芯片計算力不足、存儲空間有限、底層算法理論創新難以突破等關鍵瓶頸。消費者使用過程中也極容易出現線束及線束插頭松動、顯示屏無法操作、接收機信號不穩定、交接行偏差較大、基站間信號相互干擾、售后服務品質較差等問題，總體上表現為系統可靠性較差，亟待突破關鍵共性技術以提高系統適應性與可靠性。硬件基礎的突破涉及半導體、傳感器、材料、集成電路等行業的創新，短期內難以取得較大的進展；底層算法過度依賴機器學習，缺乏理論上的創新，全球品牌商均出現技術同質化現象，其低適應性、低可靠性已制約了產業的發展，亟待新理論的出現打破行業僵局。

2 農機自動駕駛行業競爭環境

2.1 全球農機自動駕駛系統產業格局

從全球來看，農機無人駕駛技術不僅僅是學術界研究的熱點，更是商界搶占未來數字農業行業制高點贏得全球競爭的關鍵技術。受無人駕駛技術在汽車領域發展的影響，全球傳統農機生產企業與互聯網公司合作更為緊密，日本Kubota與NVIDIA達成戰略合作，致力于高精度自動駕駛農業拖拉機的研發；中國老牌農機企業也積極與百度在自動駕駛相關業務領域展開深度合作，借助Apollo開放平臺為農業生產提供更智能的農機裝備與更高效便捷的信息化服務。在互聯網巨頭紛紛與傳統農機生產廠商聯合，引領行業發展的同時，農機行業迎來“互聯網+”時代，細分市場也涌現出一批以底層技術為核心競爭力的初創企業。全球農機自動駕駛行業產業已經形成“農機+互聯網”巨頭聯合引領、初創企業布局的多元化發展格局，產業鏈也清楚地分為上游底層技術服務商、中游品牌商與下游消費者，見圖3。上游底層技術供應商為中游品牌商提供基礎硬件設備、底層技術、數據服務，中游品牌商則為下游消費者提供產品及配套維修保養與培訓服務。

2.1.1 上游底層技術幾乎被海外企業壟斷

Trrimble、Novariant、Topcon、AgLeader等國外商業公司憑借著研制出一整套的RTK-GPS定位系統、自動駕駛控制器、導航終端等核心模塊成為了全球領導者，并迅速進入中國東北平原、新疆等地區，占據著中國高端農機80%的市場，同時也壟斷著中國上游市場。農機環境感知對應的是攝像頭、雷達等，業界普遍認為在視覺技術還未取得重大突破之前，自動駕駛農機環境感知還離不開攝像頭、RGB-D深度相機、毫米波雷達等設備，攝像頭核心感光元件CMOS或CCD行業已經被美、日、韓企業壟斷，而中國企業在該領域還處于剛剛起步的階段。中國雷達產業同樣受限于海外企業，77 GHz毫米波雷達技術均掌握在BOSCH、Delphi等企業手中，中國企業還停留在24 GHz毫米波雷達。決策層面向的主要是芯片、算法、高精度定位、V2X(Vehicle to Everything)通信等，芯片是算法的載體，高運算力、高數據傳輸能力的芯片是提升農業機械自動化作業路線精準度的重要保障。中國芯片供應商受到制造工藝先進度不足、技術研發創新較低以及人才匱乏等問題的制約，中高端芯片產出較低，但好在中國在5G通信方面全面領先，也涌現出一批依托北斗導航提供高精度導航服務的本土企業。總的來說，中國農機自動駕駛產業上游還存在諸多受限于海外企業的短板，妨礙了中國品牌全球化擴張。

2.1.2 以無人化為核心的農業機器人正重塑全球農業生產模式

隨著GNSS、AI、IOT、MV、大數據等信息技術在農機領域中的逐步應用，機械化生產與信息化技術已經達到了深度融合，在全球掀起一場以全過程智能化管理、精細化作業為核心，運用大數據指導生產，實現高效、精準、綠色、降本，形成類似于無人工廠的新型農業生產模式。無人農業的核心在于高端智能農業機器人，自美國學者于1968年首次提出將機器人技術應用于果蔬采摘中并取得較好效果以來，發達國家紛紛加入到“定制化”農業機器人的研發探索中來。美國農機普及率早就超過99%，農機自動駕駛系統在拖拉機、聯合收割機等農業裝備中有著較為廣泛的應用；日本真正無人化的農機裝備尚處于萌芽階段，但在政府的支持下，商業公司紛紛加入無人化農業機器人的研發陣營中來，小型無人農業機器人、無人駕駛農機等無人農業裝備正逐步替代人力勞動，以緩解人口老齡化嚴重帶來的勞動力短缺、棄耕地增加、生產效率低等一系列問題；英國已經推出完全自主的無人駕駛的原型車，正致力于小型農業機器人的研發并率先建立起全球第一家無人農場；法國針對葡萄園農業生產全過程發明了Wall-Ye機器人，能夠在特定場景下代替種植員工所有的工作(修剪藤蔓、葡萄采摘、土壤與藤蔓健康監測等)，遇到危險還能夠啟動自我毀滅程序；中國在鄉村振興與“互聯網+農業”戰略背景影響下，對農業機器人展開了大量的研究探索，無人駕駛農機如雨后春筍般涌現出來，在黑龍江、江蘇、四川等12個省份建立了18個農業無人作業試驗區以推動中國農業轉型升級。全球在新冠肺炎疫情影響下，對無人機器人的需求將進一步增大，以無人化為核心的農業機器人正在改變著這個時代，農業生產方式從機械化邁向數字化，農機高端智能化階段已然到來。

2.2 中國農機自動駕駛產業競爭環境

2.2.1 中國自動駕駛農機逐步進入商業化應用階段，市場進入快速成長期

2010年之前，中國農機自動駕駛系統的市場以John Deere、Case IH、New Holland、Trimble、Hemisphere、CLAAS等國外公司整機引入為主，在大地塊規模種植地區(新疆生產建設兵團、黑龍江農墾)使用效果十分明顯，促使中國無人駕駛系統產業進入了市場培育期。近十年來，在推進農業生產全程機械化發展的影響下，中國購買農機用戶數量在經歷了急劇下降后開始穩步提升，輪式拖拉機銷量穩定在每年27萬余臺的規模，見圖4、圖5。

圖4 中國近十年購買農機購機用戶數量變化Fig.4 Changes in the number of agricultural machinery users in China in recent ten years

圖5 中國近十年輪式拖拉機銷售情況Fig.5 Sales of wheeled tractors in China in recent ten years

中國在北斗導航大產業背景下，涌現出一批優秀的科研院校、民營企業加入到自主研發農機自動駕駛系統的陣營中來，以高精度衛星導航技術為核心競爭力，致力于農機自動駕駛系統的開發，發布了一系列農機自動駕駛產品并在新疆生產建設兵團、黑龍江農墾等大規模、大地形農業場景已開展試驗和作業示范，使得中國有了能夠與國外企業競爭的自主品牌。同時，在地區各級政府給予的補貼政策支持下，逐步形成了覆蓋底層算法、處理器、天線、電動方向盤、液壓系統、電機、控制平臺以及分散渠道的全產業鏈。也形成了上海、北京、黑龍江、南京四個自動導航產業集群，并大有從新疆生產建設兵團、黑龍江農墾地區、內蒙古逐步向全國蔓延的趨勢，見圖6。而且，中國涉及生產農機自動駕駛系統的企業約25家，自動駕駛的拖拉機、插秧機、收獲機、施肥施藥機等農業裝備已逐步進入商業化應用階段，但在高端農機上的滲透率還不足1%，遠遠落后于美國40%的滲透水平，還具備較大的增量空間。

圖6 2019年中國農機自動駕駛系統銷售地區Fig.6 2019 China Agricultural automatic driving system sales area

2.2.2 中國市場需求激增，初步實現進口替代

隨著土地流轉速度穩步提升與土地宜機化改造進程的加快，規?；瘜⒊蔀橹袊r業生產的主要模式，以及農機補貼政策大力實施下，農業生產經營者對農機自動駕駛系統的需求也將持續增長。2014—2018年期間，中國農機自動駕駛行業銷售規模從2.6億元增長至5.2億元，年均復合增長率為18.9%，預計2023年有望突破17億元，見圖7。

圖7 中國農機自動駕駛行業銷售規模Fig.7 Sales scale of China’s agricultural machinery automatic driving industry注：2021—2023年數據為預測數據。

據工業和信息化部公布的數據顯示，2020年上半年農機生產企業累計銷售的各類自動駕駛農機裝備和系統1.17萬余臺套，同比增長213%，相當于2019年全年的銷量，見圖8。這表明中國農機自動駕駛市場需求旺盛，已具備推進農業全過程無人作業試驗逐步向實用階段的轉移，實現無人農機作業的商業化應用和市場普及的基礎。受益于北斗導航系統的迭代更新與行業政策的引導，中國自動駕駛系統作業精度、安全性與可靠性得以穩步提升，縮小了與國外巨頭的差距，迫使海外品牌市場份額不斷下降，進而迅速實現進口替代并在國際市場有了一定話語權。

圖8 2019年中國北斗導航農機自動駕駛系統銷量(前十)Fig.8 2019 China Beidou navigation agricultural machinery automatic driving system sales statistics (top ten)

2.2.3 制約中國農機自動駕駛產業發展的因素

中國農機自動駕駛產業市場環境與歐美規?；r業國家有較大差異，制約行業發展的因素表現在以下幾個方面：其一，農機自動駕駛系統單價高，售后服務體系不完善，下游消費者(農業合作社、土地流轉戶、個體經營者等)購買意愿低。農業生產的高風險性使得下游消費者對于高成本投入往往呈現高度的謹慎。中國農機自動駕駛系統價格雖然呈現逐年下降的趨勢，但平均價格仍然保持在5萬～6萬的水平，且無人駕駛拖拉機價格是同款有人駕駛拖拉機的1.6倍左右。盡管農業農村部、財政部將農業終端北斗系統納入全國農機購置財政資金補貼目錄范圍，但是大部分省份還沒有給出具體的補貼標準，消費者難以衡量自身成本投入與收益的比例關系，對購買農機自動駕駛系統持觀望態度。此外，中國農業土地呈現分散狀態，下游消費者集中度較低，加大了農機自動駕駛系統相關企業售后培訓、維修、保養的服務難度，進一步降低了消費者購買積極性。其二，丘陵地區農作物機械化水平不高，還不足以支撐智能化應用。農業農村部統計數據顯示，2019年中國平均綜合機械化率約為69%，機耕率、機播率、機收率分別為84%、56%和61%。而且，據2019年農業農村部農業機械化管理司對全國丘陵山區農業機械化水平摸底調查數據顯示，中國山地、丘陵、高原等不宜機械化作業的耕地面積占比約65%，1 429 個丘陵山區縣農作物綜合機械化水平約為46.87%，低于全國平均水平22.13%，更是比非丘陵山區縣低33.87%。顯然，丘陵山區農業機械化水平嚴重制約了農業自動駕駛產業的發展。其三，農業從業者年齡普遍偏大、受教育程度較低。根據第三次全國農業普查數據顯示，全國農業生產經營人員約31 422 萬人，33.6%的從業者年齡超過55歲，35歲及以下的從業人員占比約19.1%，而且，大專及以上學歷占比僅僅約8%。下游消費者受教育程度影響了其接受新事物的速度與學習能力，部分消費者缺乏對機械化，尤其是信息化等新興技術系統地掌握，容易出現操作不當、不會調整、維護保養困難等問題，進而導致系統故障率提升而使得消費者產生抵觸情緒，在一定程度上阻礙了搭載自動駕駛系統的高端農機的推廣應用。其四，還未建立統一的自動駕駛農機分級標準與評價體系。美國汽車工程師學會(Society of Automotive Engineers，SAE)將自動駕駛汽車分為L0～L5六個等級并被全球多個國家采用，等級越高代表其自動化程度越高。標準的發布大力推動了自動駕駛產業的發展，當前，全球主要汽車廠商自動駕駛技術均能夠達到L3等級。雖然，各個國家均高度重視自動或無人駕駛農機領域標準化工作，但是，當前國際上還沒有統一的規范或標準對農機自動駕駛程度進行分級，也沒有對自動駕駛農機故障率、作業效率、土地利用效率、作業精度等進行測試評價或統一設備接口協議與規范。中國農機檢測仍然執行的是未對自動駕駛提出檢定要求的《農業機械試驗鑒定辦法》，亟待制定無人駕駛農機產品許可和質量管理的法律法規。

由此可見，中國雖然已經具備發展無人農業基礎，但基本都還處于探索階段，在技術成熟度、經濟性以及消費者接受程度等方面還存在諸多欠缺，不僅要在政策、標準等方面積極支持，還要在消費者培訓、“新農人”培養等方面加大投入，才能夠深入推進機械化、信息化融合，促進農業機械化高質量發展。

3 未來發展趨勢

3.1 無人駕駛將成為行業聚焦方向

自動駕駛并非真正意義上的無人駕駛，無人駕駛也被稱為自主駕駛，是自動駕駛發展的高級階段，也是未來發展無人農業的核心技術之一。為提高農機自動駕駛程度，滿足未來農業集約化和產業化的需要，促進農業農村現代化發展，研究熱點可能集中在“一人多機、多機協同”關鍵技術、動態路徑規劃、地頭自動轉向控制、障礙物檢測與主動避障、多源信息融合等方面，進一步增強農機自動駕駛系統性能(可靠性、適應性、安全性等)，突破制約技術應用與發展的關鍵瓶頸。同時，5G通信技術憑借更高的數據傳輸速率、更低的網絡延遲以及超大的連接性等優勢，突破了大數據量實時傳輸的瓶頸，滿足高清視頻、AR/VR等場景實時應用要求，實現多裝備連接、智能化農業數據的無人采集與分析以及農業裝備的無人作業，讓基于農業物聯網的智慧農業大規模應用成為可能，為鄉村振興戰略的實施與農業現代化發展帶來了新機遇。

3.2 農機自動駕駛系統將從后裝市場向前裝市場過渡，逐步構建起智慧農業整體解決方案

當前，自動駕駛農機還處在精準農業應用階段，農機自動駕駛系統裝配方式也分為前裝和后裝兩種，由此也形成了前裝市場與后裝市場。中國農機自動駕駛系統尚處于發展初期，技術可靠性和穩定性不高，后裝可以在原有農機基礎上進行改造，更容易被用戶接受。由此，短期內中國市場仍然是以后裝為主，但是，基于前裝在可靠性與安全性等方面的優勢以及農機企業完善的服務體系、成熟的服務范圍和渠道，迫使農機自動駕駛系統企業積極與傳統農機生產企業緊密合作，將自動駕駛系統更好地與農機融合發展。目前，全球大型農機廠商均發布了預裝自動駕駛系統的機型，同時，也涌現出一批以小型自動駕駛農業裝備為核心的科技企業。那么，從全球農機廠商技術布局來看，農機自動駕駛系統在經歷后裝向前裝過渡后，勢必會向著電子化、網聯化、智能化方向發展以實現數字控制、互聯互通、無人作業，進而構建起智慧農業整體解決方案，見圖9。

圖9 自動駕駛農機發展趨勢Fig.9 Development trend of autonomous agricultural machinery

4 結論

農機自動駕駛技術是打開智慧農業的“鑰匙”，也是推進無人農場建設與發展、重新塑造以無人化為核心的農業生產模式的重要基礎。本文在梳理農機自動駕駛系統技術原理的基礎上進一步探討了該技術在作業精度、作業效率、成本投入等方面優勢以及在系統硬件計算力、存儲空間、底層算法理論等方面的局限性，并且總結了國內外關于自動駕駛農機的最新研究成果。此外，分析了全球農機自動駕駛行業競爭環境，闡明了歐美等發達國家在產業格局、上游底層技術等方面的主要優勢與中國自動駕駛產業鏈已經初具規模，后裝市場幾乎實現國產化的現狀。同時，指出了農機自動駕駛系統單價高，售后體系不完善；丘陵地形機械化水平較低，還不足以支撐智能化應用；農業從業人員老齡化嚴重、受教育程度低是制約中國農機自動駕駛產業發展的關鍵因素。另外，預測未來自動駕駛系統技術上的研究將集中在突破技術瓶頸，促進自動駕駛向著無人駕駛發展；市場也將向前裝市場過渡，逐步形成智慧農業整體解決方案，構建起“智能在端、智慧在云、管控在屏”的無人農業新模式。